Sebuah tim pengembang Inggris dan Spanyol telah mengusulkan metode untuk mengenali seseorang dari gaya berjalannya. Jaringan saraf yang didasarkan pada metode pembelajaran residual yang dalam memungkinkan seseorang dikenali dari karakteristik spasial dan temporal jejaknya dengan akurasi hampir seratus persen. Ini dilaporkan dalam artikel yang diterbitkan di IEEE Transactions on Pattern Analysis and Machine Intelligence.
Secara tradisional, untuk memberi otorisasi dan membatasi akses, data atau cara digunakan yang tersedia untuk lingkaran sempit orang: kunci, kata sandi, token atau kartu khusus. Namun, kata sandinya dapat ditebak, kartu dapat dicuri, dan baru-baru ini ada metode pemalsuan data biometrik yang bersifat individual untuk setiap orang: sidik jari, retina mata, dan bahkan wajah. Oleh karena itu, diperlukan perlindungan yang lebih efektif - khususnya, metode yang efektif untuk menyediakan akses hanya kepada satu orang tertentu diperlukan.
Salah satu jenis biometrik yang dapat digunakan sebagai pengenal adalah ciri-ciri individu dari gaya berjalan manusia. Karakteristik seperti itu dibagi menjadi spasial dan temporal: yang pertama mencakup pengukuran titik-titik kontak kaki dengan penyangga (putaran kaki, panjang langkah dan alasnya, yaitu posisi permukaan kaki), dan yang kedua - durasi berbagai fase langkah (penyangga dan motorik). Sejumlah besar faktor yang mempengaruhi individualitas gaya berjalan mengurangi kemungkinan penyalinannya seminimal mungkin; namun, dalam situasi nyata, pengenalan semacam itu dapat dipersulit oleh faktor eksternal. Misalnya, agar komputer dapat menilai gaya berjalan, teknologi computer vision dapat digunakan, tetapi perlu dipastikan bahwa objek yang diamati dalam visibilitas penuh,yang tidak mungkin disediakan dalam kondisi cahaya redup atau ramai.
Ilmuwan yang dipimpin oleh Omar Costilla-Reyes dari Universitas Manchester menyarankan untuk menggunakan gambar kaki untuk mengenali gaya berjalan. Untuk mengembangkan metode semacam itu, mereka mengumpulkan database lebih dari 20 ribu gambar jejak kaki 120 orang, diperoleh dengan menggunakan 88 sensor piezoelektrik yang menghitung besarnya tekanan, yang berdasarkan peta panas distribusinya dibuat tergantung pada fase langkahnya. Relawan yang berpartisipasi dalam pengumpulan data diminta untuk mengenakan sepatu yang nyaman dan mendemonstrasikan gaya berjalan alami mereka.
Sampel data mentah (baris atas) dan yang telah diolah (baris atas) untuk trek dua orang (ab dan cd) dari sampel. Costilla-Reyes dkk. / Transaksi IEEE pada Analisis Pola dan Kecerdasan Mesin.
Untuk melatih sistem pengenalan menggunakan data yang dikumpulkan, para ilmuwan melatih jaringan saraf dalam berdasarkan metode pembelajaran sisa, yang membuatnya lebih mudah untuk melatih model dengan banyak lapisan (dengan kedalaman yang lebih dalam), yang seringkali diperlukan untuk pengenalan gambar yang efisien dengan sejumlah besar parameter. Baru-baru ini, dengan menggunakan metode pelatihan ini, mereka belajar memprediksi perilaku anjing melalui gaya berjalannya.
Model tersebut diuji pada tiga kumpulan data dengan ukuran berbeda, sesuai dengan situasi pengenalan yang berbeda: pemeriksaan di bandara, pemeriksaan di tempat kerja dan di rumah. Efisiensi pengenalan tergantung pada kumpulan data (dari pengenalan terkecil di bandara hingga data yang dikumpulkan "di rumah") berkisar antara 92,9 hingga 99,3 persen.
Para penulis mencatat bahwa, seperti kebanyakan model serupa, keefektifan sistem pengenalan mereka secara langsung bergantung pada kumpulan data yang dikumpulkan: ia hanya dapat mengenali orang-orang yang datanya memiliki. Namun, mengumpulkan data dengan sensor lantai dan kamera pihak ketiga adalah tugas yang jauh lebih nyata daripada mengumpulkan sidik jari. Belum jelas bagaimana model yang dikembangkan akan mengatasi kemungkinan anomali gaya berjalan sementara, misalnya, setelah patah tulang atau keseleo.
Video promosi:
Elizaveta Ivtushok
